首先是自我介绍，介绍完之后，面试官针对简历项目进行提问，包括基础知识和扩展。回答过程中，面试官会逐渐深入展开。这一环节结束后进入反问环节，可以问一些想了解的问题。

1. 自我介绍
2. GAN模型的原理
3. U-Net输入，最高压缩到多少，4*4可以恢复出细节来吗？
4. 损失函数。
5. 其他的生成式模型，VAE，原理。SD模型，原理
6. Transformer 了解吗
7. SD模型的CLIP原理
8. 场景：文字到相似度高的图像，怎么实现？
9. 对比学习了解吗
10. U-Net去掉skip connection 和VAE对比
11. Flask处理并发，怎么实现基于Flask的服务部署
12. 反问，部门做什么 语音到图像。我主要干什么？数据清洗，图像生成的模型调优、训练。

赞一下(0) 踩一下

校园招聘会投了信动力和普通招聘，本人双非本211硕，信动力秒挂，普通招聘在处理简历那里卡了很久，也挂。过了一个多月hr给我捞出来了，给了基础笔试，也就是行测那些，过了之后给了技术笔试，考的题大都是数据结构以及一些Linux之类的知识，以及编程能力。昨天完成了AI面，基本就是聊天，英语我的很简单。等待后续过程中。

初面就是一些基础题，行测题和性格测试等，有些基础的话问题不大。技术笔试的难度约等于大学本科结课考试，但对于硕士而言确实忘的比较干净，比如问了一个kmp的next数组，之前手到擒来的题现在做一脸懵b。AI面试就随便说说，别犯错就没问题。英语面试分两部分，阅读and回答问题。我的阅读是一段关于音乐的，整体难度约等于高中，有些词较为偏僻。问答题问给我影响最大的人，介绍一下。

赞一下(1) 踩一下

一小时，拷打transformer?
你怎么理解AIGC？
讲一下transformer
transformer和cnn的区别
transformer中embeding怎么做的
位置编码你了解哪些形式
三角函数位置编码有哪些好处，旋转位置编码呢
position embeding 和input怎么融合的
多头注意力相比单头优势，encode的时候多头会做融合吗？还是什么时候做融合？
拆成多少个头有什么规律吗？
之后的层归一化怎么实现的
前馈神经网络有几层，为什么要用mlp这种结构？

像gpt和图像生成，大都是decoder-only架构，为什么？参数量多少
相比于传统的模型和思路方法，为什么能达到现在这个效果，以及你怎么看待它未来的发展。
多模态模型了解哪些？
无手撕

赞一下(0) 踩一下